人工智能对纺织业国际分工地位提升的影响研究

马文景 顾国达 李建琴

摘要：随着云计算、物联网和大数据等新技术的兴起，人工智能发展迈入新的阶段，正在引领纺织行业多领域变革。本文基于世界投入产出表，构建全球价值链地位指数衡量一国国际分工地位，运用多维面板固定效应模型考察人工智能对纺织业国际分工地位的作用机制及影响效应，拓展了纺织产业国际分工的研究边界。研究发现：人工智能发展对纺织业全球价值链地位提升效用显著;机制检验表明，人工智能主要通过技术创新、生产效率和人力资本三个渠道对纺织业国际分工地位产生影响，其中通过生产效率提升产业国际分工地位的作用还有待进一步激发。

关键词：人工智能;纺织业;产业升级;国际分工;全球价值链;投入产出

中图分类号：F746.21文献标志码：A文章编号： 10017003（2022）06000109

引用页码： 061101

DOI： 10.3969/j.issn.1001-7003.2022.06.001（篇序）

基金项目： 国家自然科学基金面上项目（71973120）;财政部和农业农村部国家现代农业产业技术体系资助项目（CARS-18-ZJ0601）

作者简介：马文景（1992），女，博士研究生，研究方向为国际贸易。通信作者：顾国达，教授，guguoda@zju.edu.cn。

数字经济时代，人工智能（Artificial Intelligence，AI）与实体经济深度融合，将引领产业变革与全球价值链重塑，从而影响一国的产业国际分工地位。据中国信息通信研究院发布的《全球人工智能战略与政策观察（2019）》统计，至2013年全球有三十余个国家和地区已制定人工智能相关战略、产业规划文件。习近平总书记曾多次强调用人工智能开辟社会治理新格局、为高质量发展赋能：2017年，习近平总书记在“一带一路”国际合作高峰论坛开幕式上发表演讲，指出要坚持创新驱动发展，加强在数字经济、人工智能等前沿领域合作，连接成21世紀的数字丝绸之路;2018年，习近平总书记在十九届中央政治局第九次集体学习中强调，人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关中国能否抓住新一轮科技革命和产业变革机遇的战略问题，是赢得全球科技竞争主动权的重要战略抓手，是推动中国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源;同年，在中国科学院第十九次院士大会、中国工程院第十四次院士大会上，习近平总书记再次指出要推进互联网、大数据、人工智能同实体经济深度融合，要以智能制造为主攻方向推动产业技术变革和优化升级，推动制造业产业模式和企业形态根本性转变，以“鼎新”带动“革故”，以增量带动存量，促进中国产业迈向全球价值链中高端。作为市场竞争最为充分的传统产业，纺织业在全球贸易中占有重要地位。面对全球“再工业化”浪潮、产品同质化、劳动力成本不断上升等问题，再加上全球环境和资源约束加剧，全球纺织业迫切需要改善其传统弊病，探索新的发展模式和空间，以有效实现产业转型升级。将人工智能引入纺织行业的设计、生产、销售环节已成大势所趋。近年来，包括机器感知、机器学习、机器思维等技术开始渗透纺织行业的部分领域，并取得了初步进展。人工智能目前的发展水平对各国纺织业国际分工地位是否有明显驱动作用？具体的作用机制是什么？这些问题的探讨对于人工智能发展及相关政策的制定、纺织产业转型升级和国际分工地位提升的路径选择具有理论价值和重要现实意义。

基于此，本文运用多维面板固定效应模型考察人工智能对纺织业国际分工地位的影响。可能的边际贡献有以下三个方面：一是利用人工智能综合评价体系对28个经济体2010—2017年的人工智能发展水平进行多维测算和国际比较，突破了仅依靠机器人数据人工智能衡量维度单一的瓶颈;二是首次将人工智能作为纺织业国际分工地位的新兴影响因素进行探索性研究;三是进一步从技术创新、生产效率、人力资本三个渠道解析人工智能对纺织业全球价值链地位的作用机制。

1 文献综述

进入21世纪以来，人工智能技术快速发展，受到主要发达经济体的高度重视。由于人工智能应用范围广泛，相关统计体系还未建立，在人工智能测度方面，衡量角度还比较单一。既有文献测度人工智能的指标主要有以下几类：其一，目前学界普遍采用国际机器人联合会（The International Federation of Robotics，IFR）的机器人数据，分析人工智能对各国就业结构及劳动力市场的影响^[1];其二，人工智能专利数据常被当做代理变量，反映人工智能产业的发展特征和趋势^[2-3];其三，采用人工智能分类指标反映人工智能各领域的发展状况，如陈德余等^[4]运用市场容量、就业人口、科研规模和专利申请数量四个指标分别测度国内各区域人工智能发展水平;其四，构建综合指标对人工智能总体发展水平进行测度，如顾国达等^[5]利用国际层面数据，构建了包含多维度衡量的人工智能综合发展指数，为人工智能发展水平的综合评价和国际比较提供了可能。人工智能对经济发展影响效应的研究日益丰富^[6]，但主要停留在理论分析层面。在微观企业层面，Kinkel等^[7]基于对655家制造业公司代表的跨国调查，发现组织因素对人工智能在制造业中的应用影响最大。刘斌等^[8]、吕越等^[9]以工业机器人数据作为人工智能的代替变量，分别从产业中观层面和企业微观层面两个视角，证实人工智能对全球价值链（Global Value Chain，GVC）参与程度和GVC竞争力的积极影响。可见，众多学者对于人工智能促进经济发展和产业升级的正向作用持肯定态度，但相关具体产业的计量和实证分析的研究还比较单薄，尤其是人工智能对纺织产业作用的定量分析尚属空白。149EBCE7-DF8C-4BD7-93DC-60580D269352

目前国内外研究纺织业的文献大多集中在纺织业国际分工地位比较，国内外学者从不同角度对其进行分析，主要可归纳为以下几个方面：一是参考Balassa^[10]提出的显性比较优势指数来研判纺织业的产业竞争力，如王飞等^[11]借助以增加值为基准修正过的显示性比较优势指数（RCA），对纺织服装市场上的主要国家的产业竞争力进行横向比较，特别是在增加值分解模型的基准上对同一行业内分工的上游和下游部分同时进行分析，弥补了传统贸易统计口径行业部门划分不详的缺陷。二是参考Koopman等^[12]构建的“GVC参与度”和“GVC地位指数”来分析一国纺织业参与国际分工的程度和价值链地位，如李明洁^[13]通过对比分析发现中国在全球价值链中具有较高的参与度，并且在纺织服装业全球价值链中处于上游位置，在微笑曲线中处于中游位置;胡静寅等^[14]测算中国纺织服装业在全球价值链的国际分工地位，得到中国纺织业仍处于价值链中下游的结论;李晓钟等^[15]通过测算GVC地位指数对中国纺织产业各类产品在全球价值链中的地位进行分析，同时加入Kaplinsky升级指数衡量产业升级态势，得出中国纺织产品升级指数不断上升，在全球价值链地位也呈现逐步攀升态势的结论。三是参考Hausman等^[16]所构建的出口技术复杂度指数对纺织业在国际分工中的竞争力进行分析，如顾国达等^[17]基于1992—2011年中国丝绸业出口复杂度指标的测算，刻画中国丝绸业出口贸易技术结构的分布与演变，并对其变动机制进行分析;詹小琦^[18]基于UN Comtrade数据库2010—2020年的数据，计算出口技术复杂度，并借助国际市场占有率（IMS）显示性比较优势指数（RCA）、贸易竞争力指数（TC），对世界主要国家纺织服装产业链的国际分工地位进行比较分析，结果表明中国与发达国家存在技术差距，而与新兴国家相比传统竞争优势也在减弱。随着国际分工的不断深化和价值链的不断分解，考虑到提出中间品贸易重复计算等问题，本文选取学界主流评估指标“GVC地位指数”，以更准确衡量各国纺织产业的国际分工地位真实水平。

综上所述，纺织服装业虽然在劳动力成本等传统竞争优势上面临新兴国家的压力，但最主要的问题还是找到提升产业国际分工地位的优化路径，在智能织造、提高自主品牌和自主创新能力方面缩短与发达国家的差距。但目前针对人工智能对纺织业改进的研究相对较少，且仅停留在技术层面，尚缺乏贸易层面关于人工智能对纺织业影响定量分析的研究。据此，本文结合已有研究，剖析人工智能推进纺织产业国际分工地位提升的影响及作用机制，探究培养人工智能作为纺织产业国际竞争新优势的具体对策。

2 研究设计

2.1 模型设定

人工智能对纺织产品国际贸易的正向效应作用于国际生产分工的每一生产环节中，因此，本文在刘斌等^[8]的基础上，构建基于国家、年份数据的多维面板固定效应模型，来考察人工智能对一国纺织业国际分工地位的影响。模型如下：

lnGVCPo_ijt=β₀+β₁lnAI Index_it+βControls+v_i+v_j+v_t+ε_ijt（1）

式中：下标i、j和t分别表示出口主体、进口主体和年份;被解释变量GVCPo_ijt是双边层面基于贸易数字化视角的纺织产业国际分工地位指标;核心解释变量AI Index_it表示i国t年度的人工智能综合发展水平。Controls是控制变量集，主要包括引力模型變量和经济体特征变量。v_i、v_j和v_t分别表示出口主体固定效应、进口主体固定效应和时间固定效应。ε_ijt代表随机误差项。为降低异方差，除虚拟变量外，模型中其他变量均取对数形式。

2.2 变量测度与说明

2.2.1 国际分工地位指标

Koopman等^[12]为衡量一国在GVC生产中的位置而构建的全球价值链地位指数（GVC-Position），在学界有较高的代表性。该指标反映的是一国产业中间产品出口的国内增加值（IV）与出口的国外增加值（FV）的比值，指标越大，表明该产业在全球价值链中的位置越接近上游。取对数形式，i国纺织业t年度的GVC地位指数具体计算模型如下：

GVCPo_it=ln1+IV_itE_it-ln1+FV_itE_it（2）

式中：E_it表示i国纺织业t年度的总出口。

2.2.2 人工智能指标

虽然目前现有文献普遍使用工业机器人密度作为人工智能的度量指标，但受限于测算波动性及维度单一性，将其作为人工智能这一通用技术的发展水平评价指标显然无法满足研究需要。本文借鉴顾国达等^[5]的方法，选取包含人工智能环境支撑力、人工智能知识创造力、人工智能产业竞争力三个维度的人工智能综合发展指数，作为人工智能的代理变量。鉴于国际层面数据的可比性和可得性，选取2010—2017年28个国家的人工智能发展水平进行测度，得到人工智能综合发展指数，记为AI Index。149EBCE7-DF8C-4BD7-93DC-60580D269352

2.2.3 控制变量

引力模型变量：经济发展水平，用国内生产总值（GDP）和人口数量（POP）衡量;自然贸易成本，用地理距离（Dist）、文化距离（Ling）、是否接壤（Border）、是否为内陆国（Landlock）衡量;政策贸易成本，用简单平均关税（Tariff）衡量。

经济体特征变量：贸易自由度（FTA），用贸易双方是否签订双边或多边区域贸易协定衡量;贸易开放度（Openness），用贸易总额与国内GDP之比衡量一国贸易的开放程度;网络基础设施（Internet），用每百万人中互联网服务器使用人数衡量;劳动要素密集度（LABsh），用劳动报酬在GDP的比重衡量;纺织业资本产出比（K），用一国行业资本存量占该国的GDP的份额衡量;知识产权保护水平（IPP），用《世界竞争力报告》中的知识产权保护指标衡量;外商投资（FDI），用各国外商直接投资流量衡量。

2.3 数据及来源说明

对于纺织业GVC地位指数测算，数据来源于最新版亚洲发展银行多区域投入产出数据库（ADB-MRIO 2018）。由于人工智能指数相关数据获取年限较短，且缺少部分国家的数据，因此最终本文选定28个国家2010—2017年的数据。对于人工智能指数，具体参考顾国达等^[5]对人工智能综合发展指数的测算。关于控制变量数据，人均GDP、人口总量、贸易开放度和基础设施来源于世界银行数据库;地理距离来源于CEPII数据库;自由贸易协定来源于世界贸易组织（WTO）数据库;劳动要素密集度、人力资本、行业资本产出比的资本存量来源于PWT 10.0（Penn World Table version 10.0）数据库;知识产权保护指标来源于《世界竞争力报告》。本文主要变量的描述性统计结果如表1所示。

3 实证检验

3.1 基准回归结果

表2列出了控制国家和年份固定效应后人工智能对GVC地位指数影响作用的基准回归结果。其中第（1）列为加入控制变量之前的回归，第（2）（3）列为逐步引入引力模型变量及经济体特征变量后的回归结果。结果发现，核心解释变量人工智能发展指数（AI Index）的估计系数在模型（1）中均显著为正，表明人工智能对贸易国在全球价值链的分工地位具有正向推动作用。在加入控制变量后，估计结果仍显著为正，进一步证明一国人工智能发展与产业国际分工地位提升方向一致。

在加入引力变量的回归结果中，国民生产总值、人口总量与GVC地位指数的关系并不稳定，说明在全球生产网络快速发展的背景下，本土市场发展水平对提升纺织业国际分工地位的作用并不突出。地理距离与GVC地位指数关系显著为负，符合预期。两国接壤与GVC地位指数呈显著负相关关系，表明两国相邻对纺织业国际分工地位提升缺乏正向调节作用。简单平均关税的系数为正，但不显著。进一步关注引入经济特征变量的回归结果，外商投资、自由贸易协定和劳动要素密集度估计系数显著为正，与预期一致。令人意外的是，网络基础设施、贸易开放度、知识产权保护及纺织业资本产出比对GVC地位指数的影响显著为负，意味着在相对传统的纺织业中，互联网发展水平、贸易开放水平、良好的知识产权保护制度及紡织业资本的发展还未成熟，尚处于剧烈国内竞争的内耗阶段，其带来的GVC低端俘获效应引致的技术抑制，在一定程度上大于其带来的技术溢出效应、学习效应、成本节约效应引致的技术促进^[19]，导致国际规模收益大于国内规模收益，因此并未对纺织业国际分工地位带来正向提升作用。

3.2 内生性检验

为有效解决模型可能存在的双向因果和遗漏变量导致的内生性问题，需要借助工具变量进行内生性检验。表3显示了使用工具变量后，对全球价值链地位指数重新回归后的结果。其中，第（1）列是使用解释变量滞后一期作为工具变量的二阶段最小二乘法（2SLS）的回归结果，Durbin-Wu-Hausma检验结果表明基础回归模型存在内生性，Kleibergen-Paaprk LM和Kleibergen-Paaprk Wald F结果表明模型不存在弱工具变量和不可识别问题;第（2）列是使用被解释变量滞后一期（L.GVCPo）作为工具变量的系统GMM法的回归结果，通过Sargan检验证明工具变量的有效性;由于通过Wald检验的chi2统计量和Wooldridge检验的F统计量监测到样本数据存在组间异方差和组内自相关，因此第（3）列采用混合回归+稳健标准误进行回归分析。结果表明，应用不同的估计方法进行回归后，人工智能对纺织业GVC地位指数的影响仍显著为正。

3.3 稳健性检验

为进一步保证人工智能对纺织业国际分工地位影响的有效性，本文对基础回归进行指标替代的稳健性检验。当前关于人工智能定量分析的研究较少，因此替代变量选择可供参考的文献有限，本文借鉴刘斌等^[8]和吕越等^[9]的方法，采用IFR公布的工业机器人存量（Operationalstock）替换核心解释变量进行回归分析。表4给出了替换人工智能度量指标的回归结果，显示变量替换后的人工智能影响系数仍显著为正，表明本文结论依旧稳健。

4 机制检验

人工智能主要从技术创新效应、生产效率效应和人力资本效应三个渠道影响纺织业国际分工地位，因此，本文对这三个机制进行实证检验。

4.1 技术创新机制检验

随着消费水平的提高，纺织品已不满足于原始的服用性能，通过技术创新逐渐成为主流的功能性与智能性给纺织品、服装服饰产品行业带来了极高的附加价值。人工智能通过去中介化，从需求端促进全民创新、提高产品附加值和技术含量^[20-21]。因此，本文认为人工智能通过纺织业的技术创新，将培育全球价值链新增长极。为验证这一影响渠道，本文选取世界银行数据库中的研发投入（Research）作为技术创新的代理变量，在模型（1）的基础上，构建影响渠道的模型（3）和模型（4）：149EBCE7-DF8C-4BD7-93DC-60580D269352

ln Research_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（3）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂Research_it+βControls+v_i+v_j+v_t+ε_ijt（4）

機制检验结果如表5所示，根据第（1）列的回归结果，人工智能对研发投入的影响系数显著为正，意味着人工智能有效推进了一国的技术创新。而根据第（2）列的回归结果，研发投入对纺织业全球价值链地位的影响显著为正，且人工智能对纺织业全球价值链地位的影响变小。由此可见，技术创新存在部分中介效应，人工智能对纺织业国际分工地位的影响可以通过技术创新实现。纺织企业大多处于成长阶段，其生产方式、管理模式及商业形态亟需紧跟数智时代实现有效转型，从市场竞争的初级形态发展到高级形态。因此，激励创新、提升产品附加值、促进产业革新及培育产品比较优势方面，人工智能将发挥越来越重要的作用。

4.2 生产效率机制检验

纺织产品季节性强，对产品预测、库存管理、柔性生产和产能均衡带来了不小的挑战，并且个性化定制造成了纺织产品多品种小批量的生产特性，降本增效成为行业难题。人工智能从根本上解决了跨境数据流通效率问题，确立数据要素的国际生产分工新地位，帮助纺织业各类要素融合流通，提高纺织业价值链管理运营效率。因此，本文认为人工智能通过赋能纺织行业生产效率，助力纺织业价值链升级。为验证这一点，本文选用全要素生产率（TFP）指标来综合衡量一国的生产效率，数据来自PWT 10.0数据库，并在模型（1）的基础上，构建了影响渠道的模型（5）和模型（6）：

ln TFP_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（5）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂TFP_it+βControls+v_i+v_j+v_t+ε_ijt（6）

机制检验结果如表6所示，根据第（1）列的回归结果，人工智能对全要素生产率的影响系数在1%的水平下显著为正，说明人工智能有效提升了一国的生产效率。而根据第（2）列的回归结果，全要素生产率对纺织业全球价值链地位的影响未通过显著性检验。对此进行Sobel检验，其检验统计量通过1%的显著性检验，说明人工智能通过生产效率提升纺织业国际分工地位的中介效应成立。其背后具体传导机制如下：人工智能技术有利于减少生产者之间、生产者和消费者之间的时空束缚，减少市场搜索成本和交易沟通成本，助力企业在国际市场中捕获更优质更准确的信息，不仅为货物、服务、数据提供更高效的交换空间和技术支持，同时能够有效优化和配置全球要素资源、降低生产和贸易成本、提升生产和贸易效率，促使各生产工序从低附加值向高附加值的演变，从而实现国际分工地位的提升。

4.3 人力资本机制检验

纺织业的管理水平普遍偏低，人才优化倒逼纺织业这类传统制造业在工艺设备、管理技术、商业模式等方面全方位提升。一方面，人工智能的发展对劳动力的替代达到了前所未有的速度和规模^[22-23]。另一方面，人工智能在提高员工学习能力和就业增加方面具有巨大潜能^[24]。此外，大量证据证实^[25-26]，人工智能对程序性中低端劳动力的替代作用明显大于对非程序性高端劳动力的替代作用，从而形成脱离低劳动力成本依赖的国际竞争新优势。因此，本文认为人工智能通过优化人力资本获取人口智力红利，进而影响纺织业国际分工。如前所述，作为劳动密集型产业的代表，人工智能对纺织业全球价值链地位的提高不仅存在于生产分割，更重要的是通过劳动力的替代效应来实现的。为深入检验这一影响机制，本文引入基于平均受教育年限和教育回报率的人力资本指数（HC）^[27-28]，数据来自PWT 10.0数据库，并在模型（1）的基础上，构建了影响渠道的模型（7）和模型（8）：

ln HC_it=β₀+β₁ln AI Index_it+β Controls+v_i+v_j+v_t+ε_ijt（7）

ln GVCPo_ijt=β₀+β₁ln AI Index_it+β₂HC_it+βControls+v_i+v_j+v_t+ε_ijt（8）149EBCE7-DF8C-4BD7-93DC-60580D269352

機制检验结果如表7所示，第（1）列的回归结果显示，人工智能对人力资本指数的影响系数在1%的水平下显著为正，说明人工智能对优化人力资本具有正向促进作用。第（2）列的回归结果显示，人力资本指数对纺织业全球价值链地位的影响显著为负，且人工智能对纺织业全球价值链地位的影响变小。由此可见，人力资本指数存在部分中介效应。具体原因分析如下：人工智能的发展对不同行业的劳动力替代存在异质性，替代效应和创造效应并存，人工智能对人力资本的作用方向并不确定。若人工智能发展水平发生重大突破，对于劳动力密集型产业的纺织业来说，创造效应才会大于人工智能技术的替代效应，此时纺织业的国际分工地位才会得到提升。但就实证结果来看，人工智能通过提升人力资本来消除低端劳动力依赖，进而实现提升国际分工地位作用还有待激发。

5 结 论

随着以人工智能为代表的第四轮工业革命席卷全球，劳动力成本等传统比较优势逐渐淡化，纺织业亟需通过智能制造来提升产品的核心竞争力，从获取附加价值最低的加工制造环节向获取更高附加价值的纺织机械生产及产品设计环节升级。本文首次在统一核算框架下，综合评估人工智能对纺织业国际分工地位提升的影响效应与内在机制，并得到以下结论：第一，人工智能显著提升了一国纺织业在全球价值链所处位置;第二，通过对人工智能的影响机制检验，证实了人工智能通过技术创新、生产效率和人力资本三个渠道提升了纺织业国际分工地位，其中通过生产效率推动纺织业向价值链上游迈进的动能还有待进一步激发。

为此，本文提出三点政策建议：首先，纺织业应该把握技术革命机遇，积极发展智能织造，将人工智能渗透到智能制造、纺织品分析设计、纺织服装流行趋势研究、纺织业专家系统等各个环节，帮助企业完成自动化、智能化、数字化转型，提高出口产品附加值和技术含量，延长增值链条;其次，由于纺织业价值链高端环节和核心技术依赖进口，缺乏核心自主创新能力，因此企业和政府要加大研发投入力度，大力推动纺织业人工智能技术的创新成果转化，研发出更多适用于纺织业智能化发展的产品及设备，快速响应市场需求，打通与下游行业的市场分割阻碍，形成功能设计、产品研发、市场营销和物流服务一体化的新价值链，使其在国际竞争中逐渐占据价值链的核心位置;最后，为解决中国纺织业对初级要素过度依赖、低劳动力成本优势逐渐弱化等关键问题，突破全球价值链“低端锁定”困境，纺织业应加快人工智能高端人才队伍建设，大力引进掌握纺织业人工智能核心技术的高层次研发人才团队，并与知名高校和科研机构建立人才联合培养机制，共同培养出一批符合产业发展需要的复合型人才，利用人工智能提高全行业劳动者素质，将纺织业劳动力的规模优势转化为依托人力资本等高级要素形成全新的竞争优势，促进中国纺织业在国际分工地位的提升。

参考文献：

[1]DAVID H. Is Automation labor-displacing？ Productivity growth， employment， and the labor share[J]. BPEA Conference Drafts， 2018（3）： 8-9.

[2]FUJII H， MANAGI S. Trends and priority shifts in artificial intelligence technology invention： A global patent analysis[J]. Economic Analysis and Policy， 2018， 58： 60-69.

[3]王杰， 马泽敏， 王维霞， 等. 基于PCT专利分析的全球人工智能产业技术发展比较研究[J]. 中国发明与专利， 2020， 17（8）： 39-46.

WANG Jie， MA Zemin， WANG Weixia， et al. A comparative study of global artificial intelligence industry technology development based on PCT patent analysis[J]. China Invention & Patent， 2020， 17（8）： 39-46.

[4]陈德余， 汤勇刚. 人工智能产业对区域经济发展影响测度分析[J]. 科技管理研究， 2021， 41（2）： 138-144.

CHEN Deyu， TANG Yonggang. Impact ofartificial intelligence industry on regional economic development[J]. Science and Technology Management Research， 2021， 41（2）： 138-144.

[5]顾国达， 马文景. 人工智能综合发展指数的构建及应用[J]. 数量经济技术经济研究， 2021， 38（1）： 117-134.

GU Guoda， MA Wenjing， Construction andapplication of artificial intelligence comprehensive development index[J]. The Journal of Quantitative & Technical Economics， 2021， 38（1）： 117-134.

[6]ACEMOGLU D， AUTOR D. Skills tasks and technologies implications for employment and earnings[J]. Handbook of Labor Economics， 2011， 4： 1043-1171.149EBCE7-DF8C-4BD7-93DC-60580D269352

[7]KINKEL S， BAUMGARTNER M， CHERUBINI E. Prerequisites for the adoption of AI technologies in manufacturing： Evidence from a worldwide sample of manufacturing companies[J]. Technovation， 2022， 110（2）： 102375.

[8]刘斌， 潘彤. 人工智能对制造业价值链分工的影响效应研究[J]. 数量经济技术经济研究， 2020， 37（10）： 24-44.

LIU Bin， PAN Tong. Research on the impact of artificial intelligence on manufacturing value chain specialization[J]. The Journal of Quantitative & Technical Economics， 2020， 37（10）： 24-44.

[9]吕越， 谷玮， 包群. 人工智能与中国企业参与全球价值链分工[J]. 中国工业经济， 2020（5）： 80-98.

L? Yue， GU Wei， BAO Qun. Artificial intelligence and Chinese enterprises participate in global value chains[J]. China Industrial Economics， 2020（5）： 80-98.

[10]BALASSA B. Trade liberalization and revealed comparative advantage[J]. Manchester School of Economics and Social Studies， 1965， 33： 99-123.

[11]王飞， 郭孟珂. 我国纺织服装业在全球价值链中的地位[J]. 国际贸易问题， 2014（12）： 14-24.

WANG Fei， GUO Mengke. Position of Chinas textile and apparel industry in global value chain[J]. Journal of International Trade， 2014（12）： 14-24.

[12]KOOPMAN R， POWERS W， WANG Z， et al. Give credit where credit is due： tracing value added in global production chains[EB/OL]. （2011-09-26）[2021-11-25]. https：//www.nber.org/papers/w16426.

[13]李明洁. 基于全球价值链理论的中国纺织服装业国际分工地位研究[D]. 北京： 北京服装学院， 2018.

LI Mingjie. Study on the International Division of Labor Status of Chinas Textile and Garment Industry Based on Global Value Chain Theory[D]. Beijing： Beijing Institute of Fashion Technology， 2018.

[14]胡静寅， 张丽. 全球价值链视角下中国纺织服装业在国际分工中的地位： 基于出口复杂度的研究[J]. 兰州财经大学学报， 2019， 35（2）： 92-104.

HU Jingyin， ZHANG Li. Study on the status of Chinas textile and garment industry in global value chain： Based on export sophistication[J]. Journal of Lanzhou University of Finance and Economics， 2019， 35（2）： 92-104.

[15]李曉钟， 胡珊. 中国纺织产业在全球价值链的地位及升级研究[J]. 国际经济合作， 2018（3）： 44-49.

LI Xiaozhong， HU Shan. Research on the status of Chinese textile industry in the global value chain and proposed measures for its upgrade[J]. World Economy and Trade， 2018（3）： 44-49.

[16]HAUSMAN R， HWANG J， RODRIK D. What you export matters[J]. Journal of Economic Growth， 2007， 12（1）： 1-25.

[17]顾国达， 方园. 中国丝绸业出口复杂度现状及演进机制分析[J]. 蚕业科学， 2013， 39（2）： 365-371.

GU Guoda， FANG Yuan. An analysis on the status quo and evolvement mechanism for export technical sophistication of Chinas silk industry[J]. Science of Sericulture， 2013， 39（2）： 365-371.149EBCE7-DF8C-4BD7-93DC-60580D269352

[18]詹小琦. 全球價值链视角下中国纺织服装业国际竞争力的比较[J]. 江苏海洋大学学报（人文社会科学版）， 2021， 19（6）： 98-109.

ZHAN Xiaoqi. Comparison of international competitiveness of Chinese textile and garment industry under the global value chain division[J]. Journal of Jiangsu Ocean University （Humanities & Social Sciences Edition）， 2021， 19（6）： 98-109.

[19]张杰， 郑文平. 全球价值链下中国本土企业的创新效应[J]. 经济研究， 2017， 52（3）： 151-165.

ZHANG Jie， ZHENG Wenping. The innovative effect of Chinese domestic firms under the global value chain[J]. Economic Research Journal， 2017， 52（3）： 151-165.

[20]马述忠， 房超， 梁银锋. 数字贸易及其时代价值与研究展望[J]. 国际贸易问题， 2018（10）： 16-30.

MA Shuzhong， FANG Chao， LIANG Yinfeng. Digital trade： Definition， practical significance and research prospects[J]. Journal of International Trade， 2018（10）： 16-30.

[21]黄群慧， 余泳泽， 张松林. 互联网发展与制造业生产率提升： 内在机制与中国经验[J]. 中国工业经济， 2019（8）： 5-23.

HUANG Qunhui， YU Yongze， ZHANG Songlin. Internet development and productivity growth in manufacturing industry： Internal mechanism and China experiences[J]. China Industrial Economics， 2019（8）： 5-23.

[22]FREY C B， OSBORNE M A. The future of employment： How susceptible are jobs to computerisation？[J]. Technological Forecasting and Social Change， 2013， 114（1）： 254-280.

[23]DAVID B. Computer technology and probable job destructions in Japan： An evaluation[J]. Journal of the Japanese and International Economies， 2017， 43（1）： 77-87.

[24]陈宗胜， 赵源. 不同技术密度部门工业智能化的就业效应： 来自中国制造业的证据[J]. 经济学家， 2021（12）： 98-106.

CHEN Zongsheng， ZHAO Yuan. The employment effect of industrial intelligence in sectors with different technology densities： Evidence from Chinas manufacturing industry[J]. Economist， 2021（12）： 98-106.

[25]MICHAELS G， NATRAJ A， Reenen J A. Has ICT polarized skill demand？ Evidence from eleven countries over twenty-five years[J]. Review of Economics and Statistics， 2014， 96（1）： 60-77.

[26]AUTOR D H. Why are there still so many jobs？ The history and future of workplace automation[J]. Journal of Economic Perspectives， 2015， 29（3）： 3-30.

[27]BARRO R J， LEE J W. A new data set of educational attainment in the world， 1950-2010[J]. Journal of Development Economics， 2013， 104： 184-198.

[28]PSACHAROPOULOS G. Returns to investment in education： A global update[J]. World Development， 1994， 22（9）： 1325-1343.

Research on the impact of artificial intelligence on international specialization status in textile industry

MA Wenjing， GU Guoda， LI Jianqin149EBCE7-DF8C-4BD7-93DC-60580D269352

（School of Economics， Zhejiang University， Hangzhou 310030， China）

Abstract：With the continuous iteration of digital technologies， Artificial Intelligence （AI） is emerging as a core strength leading the technological revolution and industrial transformation. Furthermore， since the outbreak of COVID-19 epidemic， AI has been promoted to a new high. To build new international competitiveness， AI has been undoubtedly seen as an important avenue to improve the status of international specializations. Under the opportunity of global value chain （GVC） reconstruction， the traditional comparative advantages such as labor cost are gradually weakened. The textile industry urgently needs to improve the core competitiveness of products through intelligent manufacturing， and upgrade from the processing and manufacturing link with the lowest added value to the textile machinery production and product design link with higher added value. Does the current development level of AI have an obvious driving effect on the international specializations status of textile industry in various countries？ What is the specific mechanism？ The discussion of these problems has theoretical value and important practical significance for the formulation of AI-related policies， the transformation of textile industry and the promotion path selection of the international specializations status.

This paper measures the comprehensive development index of AI in 28 countries from 2010 to 2017. Based on the world input-output table， a global value chain position index is constructed to measure a countrys status of international specializations. The two indicators are connected within a unified framework， and the multi-dimensional panel fixed effect model is used for empirical test of textile industry. Then， using the intermediary effect model， this paper analyzes the influence mechanism of AI on the status of international specializations from three channels： technological innovation， production efficiency and human capital. There are three possible marginal contributions of this paper： First， the research on integrated evaluation systems for AI development in 28 economies from 2010 to 2017， allowing for the international comparison and dynamic tracking from multiple dimensions， could be initial efforts to break up the one-fold measurement of AI. Second， it is the first time to use AI as an emerging influencing factor of the international specializations status in the textile industry. Third， through connecting the AI index with international specializations status of the textile industry within the unified accounting framework， our study provides a better understanding of mechanisms for AI influence on international specializations from three channels： technological innovation， production efficiency and human capital. The main conclusions are as follows： First， AI has significantly improved the position of a countrys textile industry in the global value chain. Second， through the mechanism test， it is confirmed that AI has improved the international specializations status of the textile industry through three channels： technological innovation， production efficiency and human capital. Among them， the kinetic energy of promoting the textile industry to move up the value chain through production efficiency needs to be further stimulated. Therefore， in order to seize the opportunity of technological revolution， the textile industry should actively develop intelligent manufacturing， and use AI technology to help enterprises complete the transformation of automation， intelligence and digitization， so as to improve the added value and technical content of export products. Meanwhile， enterprises and governments should increase R&D （research and development） investment， vigorously promote the transformation of innovative achievements of AI technology in the textile industry， and make it gradually occupy the core position of global value chain in international competition. Finally， in order to solve the key problems of textile industry such as the over-dependence on low-end labor force， administrative departments should speed up the construction of high-end talent team of AI.

The emerging technology represented by AI provides a new path choice for the international specializations status of the textile industry， which can not only further promote the AI sustainable development and the effective integration of all links of the textile industry， but also break through the dilemma of "low-end locking" of the global value chain， so as to achieve the goal of promoting the digital transformation of the textile industry and improving the status of international specializations. It provides a theoretical and factual basis for AI to cultivate new digital kinetic energy in the upgrading of textile industry and to participate in the positioning of a new round of international competition.

Key words：artificial intelligence; textile industry; industrial upgrading; international specialization; global value chain; input-output149EBCE7-DF8C-4BD7-93DC-60580D269352